Modelagem de rochas e fluidos em campos de produção offshore: aplicações na Bacia de Santos utilizando algoritmos de aprendizado de máquina não supervisionado (2025)
- Authors:
- Autor USP: GORLA, FELIPE FERREIRA LUIZ - EP
- Unidade: EP
- Sigla do Departamento: PNV
- Subjects: ANÁLISE DE CONGLOMERADOS; APRENDIZADO COMPUTACIONAL; GEOLOGIA DO PETRÓLEO; PRÉ-SAL
- Language: Português
- Abstract: A indústria de óleo e gás enfrenta uma transformação profunda em resposta aos esforços globais de mitigação das mudanças climáticas, o que torna indispensável o aprimoramento da modelagem espacial de rochas e fluidos de reservatórios. Essa modelagem é fundamental tanto para as operações de exploração e produção de petróleo quanto para projetos de armazenamento de carbono e hidrogênio, podendo ser significativamente otimizada com o uso de algoritmos de aprendizado de máquina. Este trabalho visa classificar, de forma semiautomatizada, rochas selantes, rochas reservatório e tipos de águas de formação, utilizando, respectivamente, dados de perfis de poços, atributos sísmicos e análises químicas das águas de formação. A pesquisa tem como base analítica os algoritmos de aprendizado não-supervisionado, que foram aplicados para tarefas de agrupamento e posterior classificação em três estudos de casos distintos. Foram utilizados dados da porção leste da Bacia de Santos, localizada na margem continental sudeste do Brasil, dentro da área do Présal. O primeiro caso focou na análise das rochas selantes da Formação Ariri. Três algoritmos não-supervisionados foram aplicados a dados de perfis geofísicos e curvas de parâmetros de perfuração. As análises, utilizando os métodos K-means, Mapas Auto-Organizáveis e Perceptron multicamadas com conexões laterais, resultaram em grupos posteriormente classificados com base na composição mineralógica e resistência à perfuração. Foram identificados evaporitos e suas misturas, detalhando a coluna litológica da Formação Ariri em eletrofácies que refletem tanto a mineralogia quanto as propriedades geomecânicas. O segundo caso concentrou-se na análise de atributos sísmicos para caracterizar os reservatórios da Formação Itapema, no Campo de Búzios. Oprocesso incluiu o préprocessamento e a extração de atributos sísmicos relacionados à litologia e inclinação das camadas, a importação desses atributos para uma malha 3D e aplicação do algoritmo Mapas Auto-Organizáveis. Utilizando conceitos clássicos de interpretação de sismofácies e sismoestratigrafia, além de dados litológicos e petrofísicos de poços, foram identificadas cinco sismofácies, associadas a domínios deposicionais de uma plataforma carbonática lacustre. Por fim, o terceiro caso investigou a variação composicional das águas de formação nos aquíferos das formações Barra Velha e Itapema, também no Campo de Búzios. A partir de gradientes de pressão, análise de agrupamento e modelagem hidrogeoquímica, foram identificados sete tipos de salmouras, distribuídos em quatro compartimentos hidráulicos, delimitados por barreiras de permeabilidade. A análise revelou aquíferos com contatos óleoágua mais rasos, enriquecimento de íons em áreas específicas, além de destacar áreas mais susceptíveis a processos de incrustação inorgânica nos equipamentos de produção. A abordagem integrada apresentada nesta pesquisa, com fluxos metodológicos automatizados por algoritmos de aprendizado de máquina, contribui para uma caracterização mais precisa e robusta dos reservatórios, ampliando sua viabilidade para projetos de exploração de recursos energéticos na plataforma continental.
- Imprenta:
- Data da defesa: 13.02.2025
-
ABNT
GORLA, Felipe Ferreira Luiz. Modelagem de rochas e fluidos em campos de produção offshore: aplicações na Bacia de Santos utilizando algoritmos de aprendizado de máquina não supervisionado. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-08072025-142215/pt-br.php. Acesso em: 10 fev. 2026. -
APA
Gorla, F. F. L. (2025). Modelagem de rochas e fluidos em campos de produção offshore: aplicações na Bacia de Santos utilizando algoritmos de aprendizado de máquina não supervisionado (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3135/tde-08072025-142215/pt-br.php -
NLM
Gorla FFL. Modelagem de rochas e fluidos em campos de produção offshore: aplicações na Bacia de Santos utilizando algoritmos de aprendizado de máquina não supervisionado [Internet]. 2025 ;[citado 2026 fev. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-08072025-142215/pt-br.php -
Vancouver
Gorla FFL. Modelagem de rochas e fluidos em campos de produção offshore: aplicações na Bacia de Santos utilizando algoritmos de aprendizado de máquina não supervisionado [Internet]. 2025 ;[citado 2026 fev. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-08072025-142215/pt-br.php - Análise de agrupamentos como ferramenta para compartimentação de tipos de águas de formação no Campo de Búzios
- Cluster analysis using unsupervised algorithms for electrofacies classification in the Ariri Formation: Santos Basin
- Investigating formation water variability in the Búzios oilfield (Santos Basin) using cluster analysis and hydrogeochemical modeling.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
